基于關(guān)聯(lián)規(guī)則挖掘的Web個性化推薦研究.pdf

1、隨著Internet的普及和WWW的迅猛發(fā)展，人們可以通過網(wǎng)絡(luò)在浩瀚的信息海洋中漫游。然而，由于信息的爆炸式增長，很多Web經(jīng)驗不足的用戶經(jīng)常會“迷失”在其中，他們往往因為找不到所需的信息而苦惱萬分。因此，根據(jù)用戶的特殊需求提供更好的Web個性化推薦就是我們現(xiàn)在面臨的一個難題?！疻eb個性化推薦的目的是當(dāng)用戶在瀏覽網(wǎng)站時能夠根據(jù)其特殊需求實時準確地推薦他可能感興趣的相關(guān)網(wǎng)頁，該項技術(shù)是提高網(wǎng)站服務(wù)質(zhì)量和訪問頻率的一種重要手段。

2、首先概述了Web挖掘的基本原理，接著對個性化推薦技術(shù)的概念、分類和研究現(xiàn)狀等進行了深入探討，并對典型的關(guān)聯(lián)規(guī)則挖掘算法進行了分析和探討，在此基礎(chǔ)上提出了一種新的應(yīng)用于Web個性化推薦的關(guān)聯(lián)規(guī)則挖掘算法。文中重點討論了其中的幾項關(guān)鍵技術(shù)：Web挖掘、個性化推薦技術(shù)以及利用挖掘的關(guān)聯(lián)規(guī)則實現(xiàn)個性化推薦。 本文利用FP-Growth算法的思想，采用Freq-Set-Free結(jié)構(gòu)，設(shè)計了一種新的應(yīng)用于Web個性化推薦的關(guān)聯(lián)規(guī)則挖掘算法F

3、P-Mine算法，通過舉例對該算法的運行作了一個詳細的介紹，并且分別從時間和空間的角度對FP-Growth算法和FP-Mine算法進行了比較和分析。本文深入討論如何利用挖掘的關(guān)聯(lián)規(guī)則進行個性化推薦，給出推薦原型的推薦思想和推薦步驟，當(dāng)被推薦的頁面比較多時，綜合考慮規(guī)則的置信度，作用度，以及被推薦頁面的瀏覽時間和用戶當(dāng)前訪問的頁面與被推薦頁面之間的距離，計算被推薦頁面的加權(quán)值，然后根據(jù)加權(quán)值的大小進行推薦。最后通過實驗比較FP-Growt